Gemini Omni Flash: el modelo de vídeo de Google que editas hablándole
El modelo any-to-any de Google que genera vídeo en 720p con audio sincronizado, y que te permite editarlo hablando en varios turnos.
Gemini Omni Flash: el modelo de vídeo de Google que se edita hablando con él
Gemini Omni Flash es el primer modelo de generación de vídeo multimodal any-to-any de Google DeepMind — no es una interfaz de voz, no es una actualización de chatbot, y desde luego no es lo mismo que la arquitectura "omni" de OpenAI. Antes de continuar, aclaremos esta confusión, porque condiciona todo lo que debes entender sobre este modelo.
Cuando OpenAI lanzó GPT-4o, lo llamó "omni" para indicar entrada de voz y visión en tiempo real dentro de un único modelo. El uso que hace Google de "Omni" significa algo estructuralmente distinto: describe una nueva familia de modelos diseñada para aceptar cualquier modalidad de entrada (texto, imágenes, audio, vídeo) y generar cualquier modalidad de salida en un único paso — empezando por el vídeo, con generación de imagen y audio previstas más adelante en la hoja de ruta. El Omni de Google es una arquitectura generativa. El "omni" de OpenAI era una historia de percepción. No son el mismo concepto.
Este matiz importa porque el verdadero superpoder de Gemini Omni Flash no es la interacción por voz, sino la edición de vídeo conversacional y con estado a lo largo de múltiples turnos. Puedes generar un clip, decirle que cambie la iluminación, pedirle que extienda la escena, cambiar el vestuario de un personaje y ajustar el ángulo de cámara — todo dentro de una sesión continua en la que el modelo recuerda lo que ha construido. Esa capacidad, junto con el audio sincronizado integrado y la generación de AI Avatars, lo convierte en algo genuinamente nuevo dentro del panorama de la generación de vídeo.
Qué significa realmente "Omni" en Google
Google DeepMind anunció la familia Omni en Google I/O el 19 de mayo de 2026, con disponibilidad general para desarrolladores/API a partir del 30 de junio de 2026. La arquitectura Omni se basa en el principio de que un único modelo debería procesar todas las modalidades de forma nativa — no mediante una cadena de modelos especializados con adaptadores acoplados, sino en un único espacio de representación unificado.
En el lanzamiento, el lado de "cualquier salida" de esa ecuación empieza concretamente por el vídeo. El modelo genera clips MP4 a 720p, 24fps, en relaciones de aspecto 16:9, 9:16 o 1:1, de entre 4 y 10 segundos de duración — con audio sincronizado generado en el mismo paso. La salida de imagen y el audio independiente están en la hoja de ruta, pero aún no están disponibles.
"Flash" es el nivel de velocidad y coste, coherente con la nomenclatura de Google en toda la familia Gemini. Está previsto un Gemini Omni Pro, que presumiblemente avanzará hacia mayor resolución y mayor duración. Por ahora, Omni Flash es el modelo disponible a través de la API de Gemini (cadena del modelo en vista previa pública: gemini-omni-flash-preview), Google AI Studio, Flow, YouTube, la app de Gemini y — para quienes quieran usarlo junto a más de 150 modelos de medios sin tocar Google Cloud IAM — Happycapy.
Modalidades de entrada: qué funciona ahora y qué no
La documentación oficial describe un esquema de entrada muy completo, y merece la pena ser precisos, porque algunas entradas son aceptadas por la API pero no son funcionales en el lanzamiento:
Funcional en el lanzamiento:
- Prompts de texto (soporte completo)
- Imágenes — hasta 7 imágenes de referencia para consistencia de personaje/producto o transferencia de estilo
- Audio como referencia de voz para AI Avatars (replicación de cara/voz)
Aceptado por el esquema, PERO no funcional en el lanzamiento:
- Referencias de vídeo como entrada
- Entrada de audio genérica (casos de uso que no son de Avatar)
Este es un matiz relevante. La "edición de vídeo a partir de una referencia de vídeo" suena como un caso de uso central, y el esquema técnicamente la acepta — pero si envías una referencia de vídeo esperando que el modelo la reestilice o la extienda, obtendrás resultados impredecibles. El camino fiable hoy es: usar imágenes de referencia para la consistencia visual, texto para la dirección de escena, y el flujo de edición multi-turno para iterar. La entrada de vídeo es una limitación conocida que previsiblemente se resolverá a medida que Omni madure.
La característica definitoria: edición conversacional multi-turno
Cualquier otro modelo de generación de vídeo — Veo 3.1, Seedance 2.0, Sora 2 (antes de su discontinuación para consumidores), Runway, Kling — funciona con un modelo de prompt por clip. Escribes un prompt, obtienes un clip. No te gusta, escribes un prompt nuevo, obtienes un clip nuevo. La iteración es una serie de eventos de generación desconectados entre sí.
Gemini Omni Flash rompe ese modelo. Usando el parámetro previous_interaction_id en la API de Gemini, mantiene contexto con estado a través de los turnos. Generas un clip, el modelo lo conserva en memoria, y las instrucciones siguientes lo modifican — no desde cero, sino como ediciones sobre el resultado ya existente.
En la práctica, un flujo de trabajo se ve así:
- "Genera un clip de 6 segundos de una mujer en una cafetería leyendo una carta, luz cálida de mañana, poca profundidad de campo."
- "Cambia la cafetería por una terraza en una azotea con el perfil de la ciudad de fondo."
- "Ahora aleja un poco la cámara y añade ruido ambiente de la calle."
- "La chaqueta de la mujer debería ser azul marino oscuro, no gris."
Cada turno conserva lo anterior y aplica el cambio. Esto es, funcionalmente, lo que se siente trabajar con un editor de vídeo humano — solo que cada ida y vuelta cuesta aproximadamente entre 0,10 y 1,00 dólares según la duración del clip, y responde en segundos.
El matiz honesto: la deriva aparece en torno al turno 4-5. El modelo mantiene la coherencia de forma fiable durante aproximadamente cuatro turnos de edición; a partir del quinto, la consistencia del personaje, la continuidad de la iluminación y las relaciones espaciales empiezan a degradarse. Para secuencias complejas, el patrón que ha surgido entre profesionales es: generar una base de alta fidelidad en Seedance 2.0 o Veo 3.1, y luego llevarla a una sesión de edición de Omni Flash para el refinamiento — tratando Omni Flash como una herramienta de acabado de precisión más que como el motor generativo principal. Volveremos sobre esto más adelante.
Diagrama: cómo funciona la edición multi-turno con estado en Gemini Omni Flash. Cada turno emite una instrucción; el modelo enhebra el contexto a través de previous_interaction_id para aplicar ediciones puntuales sin regenerar desde cero.
Audio: el otro diferenciador que mucha gente pasa por alto
Todo vídeo generado por Gemini Omni Flash incluye audio sincronizado, renderizado en el mismo paso de inferencia. Esto no es un paso de post-procesado ni un modelo de audio independiente cosido a un clip mudo — el modelo genera vídeo y sonido juntos, usando una simulación de sonido basada en física.
Lo que esto significa en la práctica: si tu prompt describe olas rompiendo en una orilla, obtienes sonido de olas. Una escena de cafetería genera charla ambiente y ruido de máquina de café. Un personaje hablando genera diálogo sincronizado con los labios. La sincronización es ajustada — cómodamente por debajo de un segundo — y para clips de menos de seis o siete segundos, la calidad se mantiene. Más allá de eso, la deriva en la sincronización labial se vuelve perceptible, lo que refuerza el punto óptimo de 4 a 10 segundos para el que el modelo está actualmente optimizado.
Para los creadores de contenido que han venido cosiendo vídeo, audio de stock y post-procesado en tres herramientas separadas, obtener todo eso en una sola llamada de generación es genuinamente valioso. No siempre es perfecto — pero es un punto de partida sólido que elimina toda una capa de sobrecarga de producción.
AI Avatars: el caso de uso silencioso
Gemini Omni Flash incluye una capacidad diferenciada llamada AI Avatars: dada una imagen de referencia de una cara y una muestra de voz (para la clonación de voz), genera un vídeo fotorrealista de ese avatar hablando. Este es el único caso de uso en el que el audio como entrada funciona realmente en el lanzamiento — específicamente como referencia de voz para el Avatar.
Para equipos de marketing, productores de e-learning y comunicaciones con clientes a gran escala, la función de Avatar es directamente aplicable. Genera un vídeo de portavoz de marca, localízalo cambiando el clon de voz y el prompt de texto, y vuelve a ejecutarlo en treinta segundos. Adobe Firefly, Invideo y WPP se encuentran entre las primeras empresas adoptantes que citan específicamente los Avatars como una integración clave en su flujo de trabajo.
Existen salvaguardas importantes: la política de contenido bloquea nombres reales y semejanzas de personas no consentidoras, simulaciones de envejecimiento, escenas de pelea y cualquier cosa que pudiera constituir razonablemente un deepfake de una persona real. La edición del habla — modificar retroactivamente lo que alguien parece decir — está completamente vetada, como una decisión deliberada de prevención de deepfakes. Toda salida lleva una marca de agua SynthID no desactivable (imperceptible para el ojo humano, legible por máquina) además de credenciales de contenido C2PA. Se trata de una pila de procedencia más completa que la de cualquier otro modelo de vídeo actualmente disponible.
Benchmarks: lo que afirma Google frente a lo que está verificado de forma independiente
Las evaluaciones internas de Google con evaluadores humanos afirman que Omni Flash ocupa el puesto nº 1 en:
- Preferencia de edición de vídeo y seguimiento de instrucciones
- Calidad de texto a vídeo (MovieGenBench)
- Consistencia de referencia a vídeo
- Imagen a vídeo (empatado en el puesto nº 1, VBench I2V)
Son cifras convincentes, pero la lectura honesta es que todas ellas son evaluaciones internas de Google. Hasta la fecha de esta publicación no se han publicado benchmarks independientes cara a cara. Cabe destacar que Omni Flash aún no ha sido presentado en la Artificial Analysis Video Arena, donde Seedance 2.0 lidera actualmente en movimiento humano realista y física. Hasta que se produzca esa presentación y lleguen los resultados de terceros, los benchmarks deben tratarse como indicativos, no definitivos.
El consenso entre los primeros probadores coincide con lo esperable: fuerte precisión semántica, buena sincronización de audio, una edición conversacional genuinamente novedosa — pero con debilidades visibles en la física del movimiento (sensación "flotante", simulación de peso insuficiente), la consistencia facial que se rompe con los giros de cabeza, fallos en textos no latinos (el hiragana y los caracteres chinos de muchos trazos resultaron especialmente poco fiables en pruebas prácticas), y el techo de cuatro turnos de edición mencionado anteriormente.
Gemini Omni Flash frente a la competencia
Aquí tienes una comparación honesta con los modelos que probablemente estás evaluando junto a Omni Flash:
| Gemini Omni Flash | Veo 3.1 | Seedance 2.0 | Sora 2 | |
|---|---|---|---|---|
| Resolución máxima | 720p | Hasta 4K | Hasta 1080p | N/D (descontinuado) |
| Edición multi-turno | Sí (con estado, ~4 turnos) | No | No | No |
| Generación de audio | Sí (en el mismo paso, basada en física) | Sí | No | No |
| AI Avatars | Sí | No | No | No |
| Coste aprox./segundo | ~0,10 $ | ~0,40-0,75 $ | Variable | N/D (API descontinuada en sep. de 2026) |
| Punto fuerte | Flujo de trabajo/edición, Avatars, audio | Calidad cinematográfica, formato largo | Movimiento humano realista, física | N/D |
| Debilidades | Techo de 720p, física del movimiento, deriva a los 4 turnos | Sin edición con estado, más caro | Sin edición conversacional, sin audio | Descontinuado |
vs. Veo 3.1: Veo es la opción correcta cuando la calidad cinematográfica es el entregable principal y no se planea iterar de forma conversacional. Los directores de fotografía y la producción comercial de alta gama deberían empezar ahí. Omni Flash gana cuando necesitas velocidad de iteración, audio integrado o la capacidad de Avatar — y cuando 720p es aceptable para el caso de uso (lo cual, para YouTube Shorts, contenido social y demos de producto, suele serlo).
vs. Seedance 2.0: Seedance lidera actualmente las clasificaciones independientes en realismo del movimiento humano. Si estás generando metraje de personas moviéndose — caminando, bailando, movimiento atlético — la simulación física de Seedance todavía tiene ventaja. El flujo de trabajo emergente: genera tu clip base en Seedance, y luego refínalo de forma conversacional en Omni Flash. Obtienes la calidad de movimiento de un modelo especializado más la flexibilidad de edición de la interfaz multi-turno de Omni.
vs. Sora 2: Menos relevante ahora. La app de consumo Sora de OpenAI se discontinuó en abril de 2026, y la API tiene prevista su desaparición para septiembre de 2026. Sora no es una opción viable a largo plazo.
Esta comparación también sitúa el precio de Omni Flash en contexto. A aproximadamente 0,10 $ por segundo (1,50 $/M tokens de entrada, 17,50 $/M tokens de salida de vídeo), un clip de 10 segundos cuesta aproximadamente 1,00 $. Eso es entre 4 y 7 veces más barato que Veo 3.1. La edición multi-turno sí implica ejecutar varios pasos de generación, así que una sesión de edición de cuatro turnos sobre un clip de 10 segundos podría costar 4,00 $ — sigue siendo razonable para una producción profesional, pero conviene tenerlo en cuenta al estimar volúmenes.
Dónde encaja realmente Omni Flash en un flujo de producción real
El error que hay que evitar es tratar Omni Flash como un sustituto de todos los modelos de vídeo que usas. No es la opción de mayor fidelidad en el lanzamiento, y no fue diseñado para serlo. La tesis de diseño es: editar vídeo debería sentirse como hablar con un colaborador, no como enviar un nuevo ticket cada vez que quieres un cambio.
Los flujos de trabajo en los que gana claramente, hoy:
1. Contenido social a gran volumen. 720p está bien para TikTok, YouTube Shorts, Instagram Reels. La función de Avatar más la edición conversacional significa que puedes producir una serie de vídeos cortos localizados más rápido que con cualquier otra pila. Generar → refinar hablando → publicar.
2. Vídeo de demostración de producto. Imágenes de referencia de un producto + dirección de texto + refinamiento conversacional = un flujo de trabajo convincente para equipos de e-commerce y SaaS. No hace falta producción de audio por separado.
3. Prototipado y storyboarding. El coste bajo y la iteración rápida hacen de Omni Flash una herramienta ideal para visualizar conceptos antes de comprometerse con una generación en alta resolución más costosa. Úsalo como una capa de previsualización.
4. Refinamiento sobre resultados de modelos especializados. Genera tu base de alta calidad en Veo 3.1 o Seedance 2.0. Impórtala como referencia (cuando la entrada de vídeo esté disponible) o describe lo que tienes, y luego usa la capa conversacional de Omni Flash para ajustar detalles. Este es el patrón hacia el que están convergiendo las primeras empresas adoptantes.
Los flujos de trabajo en los que deberías recurrir primero a un modelo especializado:
- Contenido cinematográfico en 4K → Veo 3.1
- Movimiento humano realista / atletismo → Seedance 2.0
- Formato largo (>10s) con personajes consistentes → Veo 3.1 o esperar a Omni Pro
Ejecutar Gemini Omni Flash en Happycapy (sin la configuración de Google Cloud)
Poner en marcha Gemini Omni Flash directamente a través de la API de Gemini requiere un proyecto de Google Cloud, el aprovisionamiento de una clave API, entender la cadena del modelo en vista previa pública y, por lo general, cierta iteración sobre el esquema de la API. Es una inversión razonable para un equipo de ingeniería que construye un flujo de trabajo dedicado — pero es fricción si quieres probar el modelo rápidamente o ejecutarlo junto a otros generadores de vídeo para comparar.
Happycapy aloja Gemini Omni Flash como uno de más de 150 modelos — incluyendo Veo 3.1, Seedance 2.0, modelos de generación de imagen como Seedream 4.5, y otros — en un sandbox en la nube basado en navegador. No requiere cuenta de Google Cloud. No requiere una clave API separada por proveedor. Puedes ejecutar una generación de Gemini Omni Flash, compararla con una salida de Seedance 2.0 con el mismo prompt, y construir un flujo de trabajo multi-modelo que use cada modelo donde es más fuerte — todo en una sola interfaz.
Para equipos que exploran flujos de trabajo de IA agéntica en torno a la producción de vídeo, la capacidad de encadenar llamadas a modelos — generar en Seedance, refinar en Omni Flash, sintetizar un informe o un subtítulo en un modelo de lenguaje — sin tener que coser integraciones de API por separado supone un ahorro de tiempo considerable.
Empieza gratis en happycapy.ai
El veredicto honesto
Gemini Omni Flash no es el modelo de vídeo de aspecto más nítido que puedes usar hoy. Si comparas la calidad de fotograma en bruto a resolución equivalente, Seedance 2.0 gana en física del movimiento, y Veo 3.1 gana en acabado cinematográfico. Esa es una limitación real, y el techo de 720p, la deriva en la edición a los cuatro turnos y los fallos en texto no latino son puntos de fricción genuinos para algunos flujos de trabajo.
Pero esas comparaciones pasan por alto lo que Omni Flash intenta realmente hacer. El modelo apuesta por que la fluidez del flujo de trabajo importa más que las ganancias marginales de fidelidad — y esa apuesta se sostiene más a menudo de lo que no en entornos de producción reales. La capacidad de decir "oscurece el fondo", obtener un resultado, decir "ahora dale un tono de color más cálido", y obtener otro resultado — en una sesión continua, a 0,10 $/segundo — es una relación fundamentalmente distinta con la generación de vídeo que cualquier otra cosa disponible actualmente.
La familia Omni es claramente una apuesta arquitectónica de varios años para Google DeepMind. Omni Pro está en camino. La entrada de vídeo (actualmente aceptada pero no funcional) se resolverá. La resolución escalará. El modelo de edición conversacional soportará más turnos antes de que aparezca la deriva. Lo que estás evaluando hoy es el primer modelo de una familia — uno que ya se gana su lugar en una pila multi-modelo, aunque todavía no sustituya a los especialistas.
Para los profesionales: úsalo en paralelo, no de forma aislada. Empléalo donde sus ventajas de flujo de trabajo son reales, y usa modelos especializados donde la fidelidad sea primordial. La pila es Seedance 2.0 + Veo 3.1 para la calidad de generación, Omni Flash para el refinamiento conversacional y los Avatars. Esa combinación es más sólida que cualquier modelo individual hoy en día.
Para profundizar en cómo la arquitectura multimodal de Google se compara con modelos de generación de imagen como GPT Image 2, o para tener contexto sobre cómo son las integraciones de servidores MCP en una canalización de producción de vídeo, esos recursos merecen una lectura.
Accede a Gemini Omni Flash junto con la biblioteca completa de modelos — sin configuración de Google Cloud, sin claves API por proveedor:
Empieza gratis en happycapy.ai
Preguntas frecuentes
¿Qué es Gemini Omni Flash?
Gemini Omni Flash es el primer modelo de la nueva familia "Omni" de Google DeepMind, diseñado para aceptar cualquier modalidad de entrada (texto, imágenes, audio, vídeo) y generar cualquier modalidad de salida en un único modelo. En el lanzamiento, genera vídeo con audio sincronizado. Su característica definitoria es la edición conversacional multi-turno: puedes generar un clip de vídeo y luego refinarlo a lo largo de múltiples turnos de instrucciones en lenguaje natural, con el modelo manteniendo contexto con estado entre cada edición. Estuvo disponible a través de la API de Gemini a partir del 30 de junio de 2026.
¿En qué se diferencia Gemini Omni Flash del "omni" de GPT-4o?
La nomenclatura es confusa, pero las arquitecturas son fundamentalmente distintas. Cuando OpenAI llamó "omni" a GPT-4o, quería decir que podía percibir múltiples modalidades simultáneamente (voz + visión) como entrada. El "Omni" de Google se refiere a una arquitectura generativa: un único modelo que tanto percibe como genera a través de las modalidades. Gemini Omni Flash no solo procesa entradas multimodales — genera salidas multimodales (vídeo y audio juntos). La familia Omni de Google es un sistema generativo multimodal; la marca "omni" de OpenAI trataba sobre la entrada perceptual.
Gemini Omni Flash frente a Veo 3 — ¿cuál es mejor?
Están optimizados para cosas distintas. Veo 3.1 produce una salida de mayor resolución y más cinematográfica (hasta 4K frente a los 720p de Omni Flash) y es la mejor opción para una producción de vídeo pulida y de alta fidelidad. Gemini Omni Flash gana en flujo de trabajo: es el único modelo de vídeo con edición multi-turno con estado, incluye generación de AI Avatar, produce audio en el mismo paso de inferencia, y cuesta aproximadamente entre 4 y 7 veces menos por segundo que Veo 3.1. Para contenido social, demos de producto y prototipado iterativo, Omni Flash es la mejor herramienta. Para una salida cinematográfica o de calidad de emisión, Veo 3.1 es la opción correcta.
¿Es gratis Gemini Omni Flash?
No a través de la API. El precio de la API es de 1,50 $/M tokens de entrada y 17,50 $/M tokens de salida de vídeo — aproximadamente 0,10 $ por segundo de vídeo en 720p, o alrededor de 1,00 $ por un clip de 10 segundos. No existe un nivel de API gratuito. Sin embargo, Gemini Omni Flash está disponible sin coste para usuarios elegibles en YouTube Shorts y YouTube Create (18+), y a través de las suscripciones de consumo Google AI Plus, Pro y Ultra. El acceso empresarial está disponible mediante la Gemini Enterprise Agent Platform.
¿Qué resolución genera Gemini Omni Flash?
720p en el lanzamiento, a 24fps. Las relaciones de aspecto admitidas son 16:9, 9:16 y 1:1. La duración del clip es de 4 a 10 segundos. Resoluciones más altas (1080p y superiores) están en la hoja de ruta, probablemente vinculadas al próximo nivel Gemini Omni Pro, pero no están disponibles en el lanzamiento.
¿Cuál es el precio de Gemini Omni Flash?
Tokens de entrada: 1,50 $ por millón. Tokens de salida de vídeo: 17,50 $ por millón. En términos prácticos, esto equivale a aproximadamente 0,10 $ por segundo de vídeo generado en 720p, o unos 1,00 $ por un clip completo de 10 segundos. Las sesiones de edición multi-turno implican varias llamadas de generación, así que una sesión de refinamiento de cuatro turnos sobre un clip de 10 segundos costaría aproximadamente 4,00 $. Los detalles completos de precios están publicados en ai.google.dev/gemini-api/docs/pricing.
¿Cuál es la diferencia entre Gemini Omni y Gemini Flash?
Gemini Flash es una línea de modelos de lenguaje rápidos y económicos de texto y visión — el nivel Flash dentro de la familia Gemini estándar. Gemini Omni es una familia de modelos nueva y separada, construida sobre una arquitectura distinta diseñada para la generación multimodal any-to-any, empezando por la salida de vídeo. "Gemini Omni Flash" combina la arquitectura Omni con el nivel de velocidad/coste Flash, posicionándolo como el punto de entrada accesible a la familia Omni. Se trata de líneas de modelos arquitectónicamente distintas, no del mismo modelo en diferentes tamaños. Un Gemini Omni Pro (mayor fidelidad, probablemente mayor resolución) está en la hoja de ruta de forma independiente a los modelos de texto Gemini Flash.
Fuentes
- Google Blog: Gemini Omni announcement
- Google AI Developers: Gemini Omni API documentation
- Google DeepMind: Gemini Omni model page
- Gemini API pricing
- Google Blog: Gemini Omni Flash / Nano / Banana 2 Lite
Diagrama: la arquitectura de Gemini Omni Flash de un vistazo — procesamiento de entrada unificado a través de texto, imágenes y referencia de audio, con salida de vídeo+audio sincronizada a 720p, 24fps, en formatos 16:9 / 9:16 / 1:1, de 4 a 10 segundos por clip.
